Genesis AI 发布 Nyx、Quadrants 与 Genesis World 1.0 物理平台，助力可扩展机器人基础模型评估

Genesis AI 发布了 Genesis World 1.0，一个旨在加速机器人基础模型开发的仿真平台。该平台由四个核心组件构成：Genesis World 物理引擎、Nyx（实时路径追踪渲染器）、Quadrants（Python到GPU编译器）以及仿真接口。其核心目标是解决机器人模型开发中的一个关键瓶颈——策略评估的迭代速度。

在机器人领域，数据获取和迭代速度是两大挑战。尽管业界已大量投入数据收集，但 Genesis AI 指出，模型开发周期的速度，尤其是评估候选策略和比较模型检查点的效率，是更隐蔽但同样严重的瓶颈。传统的真实世界评估需要超过200小时的连续机器人操作，且仅针对单次评估。Genesis World 1.0 能在无需人工或硬件介入的情况下，在0.5小时内完成相同评估，且结果完全可重现。

研究团队特意优先将仿真用于评估而非训练数据生成。他们的理由是：如果训练和评估共享相同的仿真分布，性能提升可能仅仅反映了对仿真器动态的更精确拟合，而非模型本身的真正改进。因此，他们采用零样本真实到仿真（zero-shot real-to-sim）方法：策略仅用真实世界数据训练，仿真中不引入任何训练数据。

在14个任务、每个任务200个episode的测试中，Genesis World 1.0 的仿真结果与硬件 rollout 之间的皮尔逊相关系数达到0.8996（95%置信区间：[0.7439, 0.9314]）。平均最大排名违规（MMRV）仅为0.0166，表明仿真器能保持不同模型的相对性能排序。团队还构建了实时并排对比装置，通过切换仿真器与真实机器人的观测源来诊断现实差距的来源。经过优化，他们的仿真与现实差距比次优替代方案缩小了45%（以FID评分衡量）。

平台的具体组件包括：Nyx，一个GPU加速的路径追踪渲染器，能够以4毫秒或更短时间生成无噪声的1080p帧，支持批量物理驱动的并行渲染；Genesis World 物理引擎，开源且支持多物理场（刚体、弹性体、MPM、SPH、PBD等），并引入了无屏障弹性动力学，在接触密集型场景中性能比传统IPC方法提升高达103倍；Quadrants，一个Python到GPU的跨平台编译器，基于Taichi分支开发，在操作和基准测试中性能提升高达4.6倍，且冷缓存启动时间从7.2秒降至0.3秒；以及仿真接口，包括数字孪生、程序化环境生成和跨本体环境等工具。

Genesis World 1.0 的评估框架基于正交扰动维度的分类法，涵盖视觉、行为和语义三大类，支持细粒度的鲁棒性分析。由于仿真评估无需硬件，因此可以轻松扩展到数千个episode，为大规模模型比较提供了可能。

如需了解更多，用户可以访问 Genesis AI 的博客，或通过 GitHub 获取物理引擎、渲染器和编译器的源代码。